机器数据分析平台

  • 机器数据分析平台 > 使用文档 > 应用平台 > Pandora机器学习工具包 >fit的使用方法详述 > 预测离散指标【分类】 > 多层感知机分类器 - MLPClassifier

    多层感知机分类器 - MLPClassifier

    最近更新时间:2022-02-24 16:19:05

    多层感知机是一种简单的多层神经网络模型。可以适用于二分类或者多分类场景。

    ..| fit MLPClassifier batch_size=<int> max_iter=<int> random_state=<int> tol=<floats> momentum=<floats> learning_rate_init=<float> power_t=<float> activation=<identity | logistic | tanh | relu(default)> solver=<lbfgs | sgd | adam(default)> learning_rate=<constant(constant) | invscaling | adaptive> hidden_layer_sizes=<tuple> <target_field> from <feature_field_1> <feature_field_2>... 
    

    参数说明:

    • batch参数用来指定mini-batch sgd优化器的样本批量大小,默认值为200(如样本数低于200,则为样本数)。

    • max_iter用来指定神经网络的最大迭代次数,默认值为200。

    • random_state用来指定随机种子,用来控制模型初始权重的随机性。如果给定特定值,重新跑模型的时候,可以得出同样的结果。

    • tol参数用于指定优化器的忍耐度。当损失函数的值的变化小于了忍耐度,便认为训练结束,从而停止训练。默认值为1e-4。

    • momentum参数用于指定随机梯度下降优化器的动量,其值介于0到1之间。该参数仅在优化器为sgd的情形下有效。

    • activation用来指定激活函数。

      • activation = identity,使用f(x) = x的激活函数
      • activation = logistic,使用f(x) = 1 / (1 + exp(-x))的激活函数,又名sigmoid激活函数。
      • activation = tanh,使用双曲正切激活函数。
      • activation = relu,使用整流线性单元激活函数。(默认值)
    • solver用来指定优化器。

      • solver = lbfgs,使用拟牛顿法作为优化器。
      • solver = sgd,使用随机梯度下降优化器。
      • solver = adam,使用adam优化器。(默认值)
    • learning_rate参数用来指定学习率的模式。

      • learning_rate = constant,即使用常数作为学习率。用learning_rate_init参数来设置其值。(默认值)
      • learning_rate = invscaling,使用一种逐渐自动下降的学习率。在训练的第t步,学习率会变为learning_rate_init / pow(t, power_t)。其中power_t可以手动设定,其默认值为0.5。
      • learning_rate = adaptive,使用自适应的学习率,当误差函数变化很小时,就会降低学习率。
    • learning_rate_init 用来指定学习率,默认值为0.001。

    • hidden_layer_sizes用于指定网络架构,输入形式为元组,元组长度表示架构的层数,元组第i个数表示第i层的神经元个数。例如hidden_layer_sizes = “512-512-64”表示该多层感知机会用三个隐藏层,神经元数量分别为512,512,64。
      默认值为100,表示只用一个100个神经元的隐藏层。

    • power_t。该参数仅当learning_rate = invscaling时有效,其作用见learning_rate参数下invscaling取值时的说明。默认值为0.5。

    以上内容是否对您有帮助?
  • Qvm free helper
    Close